申请/专利权人：广东工业大学

申请日：2024-04-16

公开（公告）日：2024-06-21

公开（公告）号：CN118052337B

主分类号：G06Q10/04

分类号：G06Q10/04;G06F17/10;G06N3/06;G06Q30/0201;G06Q50/06;H02J3/28;H02J3/00;H02J3/38

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.06.04#实质审查的生效;2024.05.17#公开

摘要：本发明涉及电力系统技术领域，特别公开了基于效益预测的光伏电站储能容量优化方法及系统，在方法中，本申请以市场效益最优的目标函数，充分考虑了电力市场结算中的日前市场效益和实时市场效益，并融入偏差惩罚，构建以效益最大化为目标的目标函数，以该目标函数对预测模型的参数进行更新训练后，得到市场总体效益最大的结果，从而使后续计算获得的最优储能容量能满足光伏电站获得市场总体效益最大的需求，相比现有技术，对电力市场的价格变化更为敏感，能够使得光伏电站配备储能系统的总体效益明显增高。

主权项：1.一种基于效益预测的光伏电站储能容量优化方法，其特征在于，包括以下步骤：以预设方式生成储能系统的储能容量，并根据所述储能容量构建储能系统约束；基于所述储能系统约束，将数据集输入至预训练的预测模型，输出得到市场总体效益；利用所述市场总体效益构建适应度函数；利用遗传算法对所述适应度函数进行求解，迭代直至满足第一预设终止条件，输出得到最优储能容量；所述第一预设终止条件为：在某一次迭代中使得光伏电站配备储能系统总体效益最优的储能容量在经过预设的迭代次数后，仍然是此储能容量使得光伏电站配备储能电站的总体效益最优；其中，所述预测模型的训练步骤如下：获取所述数据集；基于预设的预测模型和所述数据集，计算日前市场效益和实时市场效益，并构建偏差惩罚；所述预测模型为前向传播网络模型，所述预测模型的表达式如下： 上式中，表示输入层第个神经元到隐藏层第个神经元的输入矩阵，表示输入层第个神经元到隐藏层第个神经元的权矩阵，表示输入层的神经元数量，表示隐含层第个神经元到输出层第个神经元的输入矩阵，表示隐藏层第个神经元经过激励函数前的输入，表示激活函数，为所述预测模型对第二天第小时的光伏电站功率预测值，表示隐含层第个神经元到输出层第个神经元的权矩阵，表示隐藏层神经元的数量；所述日前市场效益的表达式如下： 上式中，表示第小时光伏电站的日前市场效益，为预测模型对第二天第小时的光伏电站功率预测值，表示第小时电力市场的日前电价；所述实时市场效益的表达式如下： 上式中，表示第小时光伏电站的实时市场效益，表示第小时光伏电站的实际发电量，为预测模型对第二天第小时的光伏电站功率预测值，表示储能系统在第小时的功率，表示第小时电力市场的实时电价；所述偏差惩罚的表达式如下： 上式中，表示因预测的精度没有达到考核标准而给予的偏差惩罚，表示电力市场给予光伏电站的惩罚系数，表示第小时光伏电站的实际发电量，表示储能系统在第小时的功率，表示预测模型对第二天第小时的光伏电站功率预测值，表示偏差惩罚的考核系数，表示光伏电站发出的最大功率；根据所述日前市场效益、所述实时市场效益和所述偏差惩罚构建目标函数；所述目标函数的表达式如下： 上式中，表示光伏电站在电力市场中获得的包括日前市场利益、实时市场利益和偏差惩罚在内的市场总体效益，表示第小时光伏电站的日前市场效益，表示第小时光伏电站的实时市场效益，表示光伏电站在第小时的预测精度没达到考核标准而受到的偏差惩罚，表示光伏电站在电力市场中参与交易的小时数；利用所述目标函数优化所述预测模型，直至满足第二预设终止条件，得到所述预训练的预测模型；所述第二预设终止条件为：当第次和第次的目标函数值的差值小于一定程度时，即可认为预测模型训练完毕，所述第二预设终止条件公式如下： 式中,表示第次的目标函数值，表示第次的目标函数值，表示误差阈值，通常取。

全文数据：

权利要求：

百度查询： 广东工业大学 基于效益预测的光伏电站储能容量优化方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD